Carica il modello
Seleziona Carica modello. I grafi ONNX e il codec audio vengono scaricati una volta e conservati nella cache del browser.
Sintesi vocale online gratis
Scrivi una frase e MOSS-TTS-Nano la legge nel browser. È un modello vocale multilingue da 0,1 miliardi di parametri eseguito in WebAssembly, quindi nulla viene caricato e nessun server interviene.
La velocità ricampiona la forma d'onda: una clip più veloce ha anche un tono leggermente più alto, come un nastro riprodotto più rapidamente.
Il tuo audio apparirà qui
File del modello
Il modello vocale e il codec audio provengono da Hugging Face, non da 73hi.
I pesi si trovano su MOSS-TTS-Nano-100M-ONNX e MOSS-Audio-Tokenizer-Nano-ONNX, entrambi con licenza Apache-2.0.
Tre semplici passaggi
Come trasformare testo in voce online
Genera voce sul tuo computer senza account o code sul server.
Scrivi e scegli una voce
Inserisci la frase, scegli una voce integrata o seleziona una breve clip di riferimento per clonare una voce.
Ascolta e salva
Seleziona Leggi, ascolta nel lettore e scarica l'audio come file WAV.
Come funziona
Un modello vocale da 0,1 miliardi di parametri sul tuo dispositivo
MOSS-TTS-Nano abbina un piccolo modello linguistico autoregressivo a un codec audio neurale. Tutto funziona sul backend WebAssembly di ONNX Runtime Web.
| Fase | Funzione | Dove viene eseguita |
|---|---|---|
| Tokenizer | Trasforma il testo negli ID di token attesi dal modello linguistico | Il tuo browser |
| Prefill | Legge testo e indicazioni vocali in un passaggio e produce gli stati nascosti di condizionamento | Il tuo browser |
| Decodifica dei frame | Prevede un frame di codici audio alla volta attraverso 16 codebook | Il tuo browser |
| Codec audio | Decodifica i codici audio in una forma d'onda a 48 kHz | Il tuo browser |
Sintesi vocale IA gratuita
Privata, multilingue e adatta alla CPU
Tutto il necessario per leggere testo ad alta voce senza affidarlo a terzi.
Nessun caricamento sul server
Testo e audio restano sul dispositivo. Nessuna richiesta trasporta ciò che hai scritto.
Nessuna GPU necessaria
Il modello è abbastanza piccolo da funzionare sulla CPU tramite WebAssembly a una velocità utilizzabile.
Multilingue
MOSS-TTS-Nano supporta molte lingue, tra cui cinese e inglese.
Nessuna quota
Nessuna registrazione, limite giornaliero o filigrana sull'audio generato.
Domande e risposte
Domande frequenti sulla sintesi vocale
Il mio testo viene caricato sul server?
No. Il modello viene eseguito in WebAssembly nel browser, quindi testo e audio generato non lasciano mai il dispositivo.
Da dove proviene il modello?
I grafi ONNX vengono scaricati da Hugging Face durante l'esecuzione, non da 73hi. Se la tua rete non raggiunge l'Hub, puoi impostare un URL mirror o selezionare file del modello già scaricati.
Quanto è grande il download?
Il modello vocale e il codec audio occupano insieme circa 760 MB. Il browser li conserva nella cache e le visite successive nello stesso browser si avviano molto più rapidamente.
Serve una GPU?
No. MOSS-TTS-Nano è un modello da 0,1 miliardi di parametri progettato per inferenza sulla CPU ed eseguito sul backend WebAssembly.